SlideShare a Scribd company logo
1 of 10
Konsep Probabilitas
Dosen Pengajar:
1) Dr.Ir. Reda Rizal, M.Si. (Lektor Kepala)
2) Ir. Iswahyuni Adil, MM. (Lektor )
Red@-Statistika-FISIP-UPN Jakarta 1
(The Probability Concept)
Red@-Statistik-FISIP-UPN Jakarta 2
Probabilitas (peluang) : adalah suatu
metode untuk menguraikan variasi acak
(random) dalam sistem data statistik
Red@-Statistik-FISIP-UPN Jakarta 3
I. Diagram Pohon :
Sebuah koin seimbang mempunyai 2 bidang permukaan; Gambar (G) dan
Angka (A), maka himpunan hasil yang mungkin dapat diperoleh
(probabilitas) diperoleh seperti ditunjukkan melalui diagram pohon sbb :
G
G
G
G
G
G
G
A
A
A
A
A
A
A
Lemparan ke-1 Lemparan ke-2 Lemparan ke-3
Terdapat 2 (dua) hasil
tiap lemparan koin,
sehingga untuk 3 (tiga)
kali lemparan dihasilkan
probabilitas 2³ = 8 yaitu;
GGG; GGA; GAG; GAA;
AGG; ….. dst.
Red@-Statistik-FISIP-UPN Jakarta 4
Contoh-1
• Jika mata “satu keping” uang logam dilemparkan satu
kali maka ada 2 (dua) kemugkinan yang muncul;
Gambar (G) atau Angka (A).
• G dan A disebut saling eksklusive yaitu; jika G muncul
maka A tidak muncul, demikian sebaliknya.
• Probabilitas G muncul adalah = ½
• Probabilitas A muncul adalah = ½
• Sehingga :
 
N
n
GP   
N
n
AP 
Probabilitas = P (G) + P (A) = ½ + ½ = 1
Red@-Statistik-FISIP-UPN Jakarta 5
Contoh-2
• Jika mata “dua keping” uang logam dilemparkan satu kali maka ada 4
(empat) kemugkinan yang muncul;
• GG, GA, AG, & AA  probabilitasnya ?
– Probabilitas [GG] = P (X=2) = ¼  karena ada G
– Probabilitas [GA] = P (X=1) = ½  karena bisa GA & AG
– Probabilitas [AA] = P (X=0) = ¼  karena bukan G
– Jumlah ()……………………… = 1
Contoh-3
• Tiga buah uang logam dilemparkan, akan terjadi kemugkinan yang muncul;
• [GGG], [GGA], [GAG], [AGG], [GAA], [AGA], [AAG] & [AAA] 
probabilitasnya ?
– Probabilitas [GGG] = P (X=3) = 1/8
– Probabilitas [GGA] = P (X=2) = 3/8
– Probabilitas [GAA] = P (X=1) = 3/8
– Probabilitas [AAA] = P (X=0) = 1/8
– Jumlah ()……………………..… = 1
• Data di atas disebut variabel X yaitu; 0, 1, 2, 3,
• Nilai; 1/8, 3/8, 3/8, 1/8  disebut variabel “Random Diskrit”
Red@-Statistik-FISIP-UPN Jakarta 6
Contoh-4
Pengamatan terhadap banyaknya kendaraan yang melalui sebuah tikungan
setiap menitnya mengikuti distribusi probabilitas berikut :
Banyaknya kendaraan (Xi) 0 1 2 3 4 5 6 7 8
Probabilitas P(Xi) 0.01 0.05 0.10 0.28 0.22 0.18 0.08 0.05 0.03
1. Maka probabilitas dalam satu menit paling sedikit ada 3 (tiga)
kendaraan yang melalui tikungan yaitu; P = 1 – (0,01 + 0,05 +
0,10) = 0,84.
2. Probabilitas dalam satu menit paling sedikit ada 4 (empat) mobil
yang melalui tikungan adalah; P = 1 – (0,01 + 0,05 + 0,28) =
0,56.
3. Rata-rata tiap menit terdapat kendaraan yang melalui tikungan tsb
sebanyak;
 ξ(x) =  [(Xi).p(Xi)]
 = [0 x 0.01] + [1 x 0.05] + [2 x 0.10] + [3 x 0.28] + [4 x 0.22] + [5
x 0.18] + [6 x 0.08] + [7 x 0.05] + [8 x 0.03] = 3,94.
4. Jadi, terdapat sebanyak 3,94 unit kendaraan/menit (394 unit
kendaraan/100 menit) melewati tikungan tsb.
Red@-Statistik-FISIP-UPN Jakarta 7
Contoh-5
Jika sebuah dadu mempunyai bidang permukaan sebayak 6
(enam) permukaan, maka probabilitas tiap bidang
permukaan yang akan tampil adalah = 1/6  N = 6
P (mata satu) = n = 1/6
N
P (mata dua) = n = 1/6
N
P (mata tiga) = n = 1/6
N
P (mata empat) = n = 1/6
N
P (mata lima) = n = 1/6
N
P (mata enam) = n = 1/6
N
Sehingga probabilitas satu permukaan yang akan muncul adalah ;
P (E) =
n
N
Red@-Statistik-FISIP-UPN Jakarta 8
Contoh-6
 Dalam sebuah kotak berisi 50 kelereng yang sama ukurannya
(kecuali warnanya). Setelah isi kotak tersebut diteliti ternyata
berisi;
 10 kelereng berwarna merah (m)
 18 kelereng berwarna kuning (k)
 22 berwarna hijau (h)
Hitunglah probabilitas jika :
 A mengambil kelereng berwarna merah (m)
 B mengambil kelereng berwarna kuning (k)
 C mengambil kelereng berwarna hijau (h)
Penyelesaian :
 P (A) = n/N = 10/50 = 0,20
 P (B) = n/N = 18/50 = 0,36
 P (C) = n/N = 22/50 = 0,44 (+)
 P (A) + P (B) + P (C) = 1
Red@-Statistik-FISIP-UPN Jakarta 9
 Bagaimana jika : A dan C mengambil
kelereng secara bersama ?
Penyelesaian :
 P (A dan C) = P (A) + P (C) = 0,20 +
0,44 = 0,64
 Artinya apa ?  Jika pengambilan
kelereng dilakukan 100 kali oleh A atau
oleh C, maka kemungkinan akan
terambil 64 kelereng berwarna merah
atau berwarna hijau.
Red@-Statistik-FISIP UPN Jakarta 10
Variance
 Pangkat dua dari s = S2 disebut
ragam (variance), sehingga
ragam contoh berdasarkan
rumus tersebut di atas adalah ;
i
n
xi x
n



1
2
1
( )
S2
= [ ]
2

More Related Content

What's hot

Modul 3 Distribusi Probabilitas Diskrit dan Kontinu
Modul 3 Distribusi Probabilitas Diskrit dan KontinuModul 3 Distribusi Probabilitas Diskrit dan Kontinu
Modul 3 Distribusi Probabilitas Diskrit dan KontinuFitria Eviana
 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parametermatematikaunindra
 
Distribusi eksponensial
Distribusi eksponensialDistribusi eksponensial
Distribusi eksponensialPhe Phe
 
Statistika - Distribusi peluang
Statistika - Distribusi peluangStatistika - Distribusi peluang
Statistika - Distribusi peluangYusuf Ahmad
 
STATISTIKA-Pengujian hipotesis
STATISTIKA-Pengujian hipotesisSTATISTIKA-Pengujian hipotesis
STATISTIKA-Pengujian hipotesisYousuf Kurniawan
 
Distribusi multinomial
Distribusi multinomialDistribusi multinomial
Distribusi multinomialMarwaElshi
 
Materi 4 penyelesaian spl tiga atau lebih variabel
Materi 4 penyelesaian spl tiga atau lebih variabelMateri 4 penyelesaian spl tiga atau lebih variabel
Materi 4 penyelesaian spl tiga atau lebih variabelradar radius
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normalhidayatulfitri
 
Konsep dasar probabilitas
Konsep dasar probabilitasKonsep dasar probabilitas
Konsep dasar probabilitaspadlah1984
 
Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasiPerum Perumnas
 
Kuliah 9 populasi & sampel
Kuliah 9 populasi & sampelKuliah 9 populasi & sampel
Kuliah 9 populasi & sampelDerima Febrike
 
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITBAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITCabii
 
Jenis jenis data dan teknik pengumpulan data
Jenis jenis data dan teknik pengumpulan dataJenis jenis data dan teknik pengumpulan data
Jenis jenis data dan teknik pengumpulan dataFirman Marine
 

What's hot (20)

Modul 3 Distribusi Probabilitas Diskrit dan Kontinu
Modul 3 Distribusi Probabilitas Diskrit dan KontinuModul 3 Distribusi Probabilitas Diskrit dan Kontinu
Modul 3 Distribusi Probabilitas Diskrit dan Kontinu
 
Teori peluang
Teori peluangTeori peluang
Teori peluang
 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parameter
 
Distribusi eksponensial
Distribusi eksponensialDistribusi eksponensial
Distribusi eksponensial
 
Statistika - Distribusi peluang
Statistika - Distribusi peluangStatistika - Distribusi peluang
Statistika - Distribusi peluang
 
STATISTIKA-Pengujian hipotesis
STATISTIKA-Pengujian hipotesisSTATISTIKA-Pengujian hipotesis
STATISTIKA-Pengujian hipotesis
 
Distribusi multinomial
Distribusi multinomialDistribusi multinomial
Distribusi multinomial
 
Statistik Industri - Faktorial ANOVA - ANOVA dua arah - two way ANOVA
Statistik Industri - Faktorial ANOVA - ANOVA dua arah - two way ANOVAStatistik Industri - Faktorial ANOVA - ANOVA dua arah - two way ANOVA
Statistik Industri - Faktorial ANOVA - ANOVA dua arah - two way ANOVA
 
Distribusi sampling
Distribusi samplingDistribusi sampling
Distribusi sampling
 
T test
T testT test
T test
 
Statistika inferensial 1
Statistika inferensial 1Statistika inferensial 1
Statistika inferensial 1
 
Materi 4 penyelesaian spl tiga atau lebih variabel
Materi 4 penyelesaian spl tiga atau lebih variabelMateri 4 penyelesaian spl tiga atau lebih variabel
Materi 4 penyelesaian spl tiga atau lebih variabel
 
Penerapan distribusi normal
Penerapan distribusi normalPenerapan distribusi normal
Penerapan distribusi normal
 
Konsep dasar probabilitas
Konsep dasar probabilitasKonsep dasar probabilitas
Konsep dasar probabilitas
 
Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasi
 
Presentasi bab-09
Presentasi bab-09Presentasi bab-09
Presentasi bab-09
 
Kuliah 9 populasi & sampel
Kuliah 9 populasi & sampelKuliah 9 populasi & sampel
Kuliah 9 populasi & sampel
 
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITBAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
 
Jenis jenis data dan teknik pengumpulan data
Jenis jenis data dan teknik pengumpulan dataJenis jenis data dan teknik pengumpulan data
Jenis jenis data dan teknik pengumpulan data
 
STATISTIK INDUSTRI 1 - TEORI PROBABILITAS
STATISTIK INDUSTRI 1 - TEORI PROBABILITASSTATISTIK INDUSTRI 1 - TEORI PROBABILITAS
STATISTIK INDUSTRI 1 - TEORI PROBABILITAS
 

Similar to Konsep probabilitas

Similar to Konsep probabilitas (20)

Peluang - Matematika kelas XI semster 2
Peluang - Matematika kelas XI semster 2Peluang - Matematika kelas XI semster 2
Peluang - Matematika kelas XI semster 2
 
Ekspektasi matematik
Ekspektasi matematikEkspektasi matematik
Ekspektasi matematik
 
Statistics dan peluang
Statistics dan peluangStatistics dan peluang
Statistics dan peluang
 
ITP UNS SEMESTER 2 Teori peluang 1
ITP UNS SEMESTER 2 Teori peluang 1ITP UNS SEMESTER 2 Teori peluang 1
ITP UNS SEMESTER 2 Teori peluang 1
 
Putrierizalapado 1830206111 peluang
Putrierizalapado 1830206111 peluangPutrierizalapado 1830206111 peluang
Putrierizalapado 1830206111 peluang
 
Ruang sampel dan titik sampel plus contoh soal
Ruang sampel dan titik sampel plus contoh soalRuang sampel dan titik sampel plus contoh soal
Ruang sampel dan titik sampel plus contoh soal
 
peluang by
peluang by peluang by
peluang by
 
Peluang SMA X kelompok 6
Peluang SMA X kelompok 6Peluang SMA X kelompok 6
Peluang SMA X kelompok 6
 
Peluang kelompok 6
Peluang kelompok 6 Peluang kelompok 6
Peluang kelompok 6
 
peluang
peluangpeluang
peluang
 
KULIAH STAT - PROB.pptx
KULIAH  STAT - PROB.pptxKULIAH  STAT - PROB.pptx
KULIAH STAT - PROB.pptx
 
PELUANG
PELUANGPELUANG
PELUANG
 
Distribusi Peluang Binomial
Distribusi Peluang BinomialDistribusi Peluang Binomial
Distribusi Peluang Binomial
 
R5 c kel 4
R5 c kel 4R5 c kel 4
R5 c kel 4
 
5c mia-ap-peluang
5c mia-ap-peluang5c mia-ap-peluang
5c mia-ap-peluang
 
Peluang by Kelompok 3
Peluang by Kelompok 3Peluang by Kelompok 3
Peluang by Kelompok 3
 
Kaidah pencacahan dan peluang
Kaidah pencacahan dan peluangKaidah pencacahan dan peluang
Kaidah pencacahan dan peluang
 
PELUANG
PELUANGPELUANG
PELUANG
 
Ruang sampel dan frekuensi harapan
Ruang sampel dan frekuensi harapanRuang sampel dan frekuensi harapan
Ruang sampel dan frekuensi harapan
 
Bab xx peluang
Bab xx peluangBab xx peluang
Bab xx peluang
 

More from Hafiza .h

14 15 pln 2020-upn d
14 15 pln  2020-upn d14 15 pln  2020-upn d
14 15 pln 2020-upn dHafiza .h
 
11 12 pln 2020-upn b
11 12 pln  2020-upn b11 12 pln  2020-upn b
11 12 pln 2020-upn bHafiza .h
 
Macam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada ShopeeMacam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada ShopeeHafiza .h
 
Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8Hafiza .h
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasiHafiza .h
 
12.analisa regresi
12.analisa regresi12.analisa regresi
12.analisa regresiHafiza .h
 
11.statistik parametrik dan non parametrik
11.statistik parametrik dan non parametrik11.statistik parametrik dan non parametrik
11.statistik parametrik dan non parametrikHafiza .h
 
10. hipotesis
10. hipotesis10. hipotesis
10. hipotesisHafiza .h
 
9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatifHafiza .h
 
7.distribusi binomial
7.distribusi binomial7.distribusi binomial
7.distribusi binomialHafiza .h
 
8.pengukuran skala indek
8.pengukuran skala indek8.pengukuran skala indek
8.pengukuran skala indekHafiza .h
 
6.konsep probabilitas
6.konsep probabilitas6.konsep probabilitas
6.konsep probabilitasHafiza .h
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara dataHafiza .h
 
3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi dataHafiza .h
 
4 .ukuran pemusatan data
4 .ukuran pemusatan data4 .ukuran pemusatan data
4 .ukuran pemusatan dataHafiza .h
 
Statistik pengukuran instrumen validitas
Statistik  pengukuran instrumen validitasStatistik  pengukuran instrumen validitas
Statistik pengukuran instrumen validitasHafiza .h
 
Statistik data
Statistik  dataStatistik  data
Statistik dataHafiza .h
 
Statistik pengukuran instrumen reliabilitas
Statistik    pengukuran instrumen reliabilitasStatistik    pengukuran instrumen reliabilitas
Statistik pengukuran instrumen reliabilitasHafiza .h
 
Pengantar statistik
Pengantar statistikPengantar statistik
Pengantar statistikHafiza .h
 
Etika komunikasi massa
Etika komunikasi massaEtika komunikasi massa
Etika komunikasi massaHafiza .h
 

More from Hafiza .h (20)

14 15 pln 2020-upn d
14 15 pln  2020-upn d14 15 pln  2020-upn d
14 15 pln 2020-upn d
 
11 12 pln 2020-upn b
11 12 pln  2020-upn b11 12 pln  2020-upn b
11 12 pln 2020-upn b
 
Macam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada ShopeeMacam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada Shopee
 
Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8
 
13.analisa korelasi
13.analisa korelasi13.analisa korelasi
13.analisa korelasi
 
12.analisa regresi
12.analisa regresi12.analisa regresi
12.analisa regresi
 
11.statistik parametrik dan non parametrik
11.statistik parametrik dan non parametrik11.statistik parametrik dan non parametrik
11.statistik parametrik dan non parametrik
 
10. hipotesis
10. hipotesis10. hipotesis
10. hipotesis
 
9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif
 
7.distribusi binomial
7.distribusi binomial7.distribusi binomial
7.distribusi binomial
 
8.pengukuran skala indek
8.pengukuran skala indek8.pengukuran skala indek
8.pengukuran skala indek
 
6.konsep probabilitas
6.konsep probabilitas6.konsep probabilitas
6.konsep probabilitas
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data
 
3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data
 
4 .ukuran pemusatan data
4 .ukuran pemusatan data4 .ukuran pemusatan data
4 .ukuran pemusatan data
 
Statistik pengukuran instrumen validitas
Statistik  pengukuran instrumen validitasStatistik  pengukuran instrumen validitas
Statistik pengukuran instrumen validitas
 
Statistik data
Statistik  dataStatistik  data
Statistik data
 
Statistik pengukuran instrumen reliabilitas
Statistik    pengukuran instrumen reliabilitasStatistik    pengukuran instrumen reliabilitas
Statistik pengukuran instrumen reliabilitas
 
Pengantar statistik
Pengantar statistikPengantar statistik
Pengantar statistik
 
Etika komunikasi massa
Etika komunikasi massaEtika komunikasi massa
Etika komunikasi massa
 

Konsep probabilitas

  • 1. Konsep Probabilitas Dosen Pengajar: 1) Dr.Ir. Reda Rizal, M.Si. (Lektor Kepala) 2) Ir. Iswahyuni Adil, MM. (Lektor ) Red@-Statistika-FISIP-UPN Jakarta 1 (The Probability Concept)
  • 2. Red@-Statistik-FISIP-UPN Jakarta 2 Probabilitas (peluang) : adalah suatu metode untuk menguraikan variasi acak (random) dalam sistem data statistik
  • 3. Red@-Statistik-FISIP-UPN Jakarta 3 I. Diagram Pohon : Sebuah koin seimbang mempunyai 2 bidang permukaan; Gambar (G) dan Angka (A), maka himpunan hasil yang mungkin dapat diperoleh (probabilitas) diperoleh seperti ditunjukkan melalui diagram pohon sbb : G G G G G G G A A A A A A A Lemparan ke-1 Lemparan ke-2 Lemparan ke-3 Terdapat 2 (dua) hasil tiap lemparan koin, sehingga untuk 3 (tiga) kali lemparan dihasilkan probabilitas 2³ = 8 yaitu; GGG; GGA; GAG; GAA; AGG; ….. dst.
  • 4. Red@-Statistik-FISIP-UPN Jakarta 4 Contoh-1 • Jika mata “satu keping” uang logam dilemparkan satu kali maka ada 2 (dua) kemugkinan yang muncul; Gambar (G) atau Angka (A). • G dan A disebut saling eksklusive yaitu; jika G muncul maka A tidak muncul, demikian sebaliknya. • Probabilitas G muncul adalah = ½ • Probabilitas A muncul adalah = ½ • Sehingga :   N n GP    N n AP  Probabilitas = P (G) + P (A) = ½ + ½ = 1
  • 5. Red@-Statistik-FISIP-UPN Jakarta 5 Contoh-2 • Jika mata “dua keping” uang logam dilemparkan satu kali maka ada 4 (empat) kemugkinan yang muncul; • GG, GA, AG, & AA  probabilitasnya ? – Probabilitas [GG] = P (X=2) = ¼  karena ada G – Probabilitas [GA] = P (X=1) = ½  karena bisa GA & AG – Probabilitas [AA] = P (X=0) = ¼  karena bukan G – Jumlah ()……………………… = 1 Contoh-3 • Tiga buah uang logam dilemparkan, akan terjadi kemugkinan yang muncul; • [GGG], [GGA], [GAG], [AGG], [GAA], [AGA], [AAG] & [AAA]  probabilitasnya ? – Probabilitas [GGG] = P (X=3) = 1/8 – Probabilitas [GGA] = P (X=2) = 3/8 – Probabilitas [GAA] = P (X=1) = 3/8 – Probabilitas [AAA] = P (X=0) = 1/8 – Jumlah ()……………………..… = 1 • Data di atas disebut variabel X yaitu; 0, 1, 2, 3, • Nilai; 1/8, 3/8, 3/8, 1/8  disebut variabel “Random Diskrit”
  • 6. Red@-Statistik-FISIP-UPN Jakarta 6 Contoh-4 Pengamatan terhadap banyaknya kendaraan yang melalui sebuah tikungan setiap menitnya mengikuti distribusi probabilitas berikut : Banyaknya kendaraan (Xi) 0 1 2 3 4 5 6 7 8 Probabilitas P(Xi) 0.01 0.05 0.10 0.28 0.22 0.18 0.08 0.05 0.03 1. Maka probabilitas dalam satu menit paling sedikit ada 3 (tiga) kendaraan yang melalui tikungan yaitu; P = 1 – (0,01 + 0,05 + 0,10) = 0,84. 2. Probabilitas dalam satu menit paling sedikit ada 4 (empat) mobil yang melalui tikungan adalah; P = 1 – (0,01 + 0,05 + 0,28) = 0,56. 3. Rata-rata tiap menit terdapat kendaraan yang melalui tikungan tsb sebanyak;  ξ(x) =  [(Xi).p(Xi)]  = [0 x 0.01] + [1 x 0.05] + [2 x 0.10] + [3 x 0.28] + [4 x 0.22] + [5 x 0.18] + [6 x 0.08] + [7 x 0.05] + [8 x 0.03] = 3,94. 4. Jadi, terdapat sebanyak 3,94 unit kendaraan/menit (394 unit kendaraan/100 menit) melewati tikungan tsb.
  • 7. Red@-Statistik-FISIP-UPN Jakarta 7 Contoh-5 Jika sebuah dadu mempunyai bidang permukaan sebayak 6 (enam) permukaan, maka probabilitas tiap bidang permukaan yang akan tampil adalah = 1/6  N = 6 P (mata satu) = n = 1/6 N P (mata dua) = n = 1/6 N P (mata tiga) = n = 1/6 N P (mata empat) = n = 1/6 N P (mata lima) = n = 1/6 N P (mata enam) = n = 1/6 N Sehingga probabilitas satu permukaan yang akan muncul adalah ; P (E) = n N
  • 8. Red@-Statistik-FISIP-UPN Jakarta 8 Contoh-6  Dalam sebuah kotak berisi 50 kelereng yang sama ukurannya (kecuali warnanya). Setelah isi kotak tersebut diteliti ternyata berisi;  10 kelereng berwarna merah (m)  18 kelereng berwarna kuning (k)  22 berwarna hijau (h) Hitunglah probabilitas jika :  A mengambil kelereng berwarna merah (m)  B mengambil kelereng berwarna kuning (k)  C mengambil kelereng berwarna hijau (h) Penyelesaian :  P (A) = n/N = 10/50 = 0,20  P (B) = n/N = 18/50 = 0,36  P (C) = n/N = 22/50 = 0,44 (+)  P (A) + P (B) + P (C) = 1
  • 9. Red@-Statistik-FISIP-UPN Jakarta 9  Bagaimana jika : A dan C mengambil kelereng secara bersama ? Penyelesaian :  P (A dan C) = P (A) + P (C) = 0,20 + 0,44 = 0,64  Artinya apa ?  Jika pengambilan kelereng dilakukan 100 kali oleh A atau oleh C, maka kemungkinan akan terambil 64 kelereng berwarna merah atau berwarna hijau.
  • 10. Red@-Statistik-FISIP UPN Jakarta 10 Variance  Pangkat dua dari s = S2 disebut ragam (variance), sehingga ragam contoh berdasarkan rumus tersebut di atas adalah ; i n xi x n    1 2 1 ( ) S2 = [ ] 2